Opencv图像处理总结（持续更新）_opencv图像实时处理csdn

这几天在进行印章提取、识别的代码开发，其中用到了几个opencv库的几个函数，脑袋中想到了要用到什么处理，但是却忘记了各个函数库比如二值化、膨胀/腐蚀等函数的参数，因此每个函数都查找了好久才想起来每个函数参数中的意思，因此在这篇blog中想总结一下opencv用过的函数，方便我自己以后查找、使用。

目录

1、读取图像

2、图像形状

3、图像缩放

4、图像保存

5、图像格式转换

6、图像二值化

7、图像形态学操作

8、图像边缘检测

9、图像融合

10、图像通道分割及合并

11、图像轮廓检测及绘制

12、图像滤波

13、几何图像绘制

---

1、读取图像

image = cv2.imread(filename,   flags)

filename:   需要读取图像的绝对路径。

flags（一般省略，需要时填上）:   需要的格式

（1）cv2.IMREAD_UNCHANGED ：原图

（2）cv2.IMREAD_COLOR ：彩色图像

（3）cv2.IMREAD_GRAYSCALE ：灰度图像

示例：

import cv2
 
image_path = "C:/Users/Roger/Desktop/lena.jpg"
image = cv2.imread(image_path)
 
cv2.imshow("image", image)  # 显示图像，第一参数为窗口的名字，第二参数为要显示的图像
cv2.waitKey(0) # 参数为等待多少毫秒秒后关闭，当参数为0时无限刷新窗口，按下任意按键则关闭窗口
cv2.destroyAllWindows() # 关闭所有窗口

2、图像形状

import cv2
 
image_path = "C:/Users/Roger/Desktop/lena.jpg"
image = cv2.imread(image_path)
 
height, width, channel = image.shape  # 高、宽、通道数
print(height, width, channel)
 
 
cv2.imshow("image", image)  # 显示图像，第一参数为窗口的名字，第二参数为要显示的图像
cv2.waitKey(0) # 参数为等待多少毫秒秒后关闭，当参数为0时无限刷新窗口，按下任意按键则关闭窗口
cv2.destroyAllWindows() # 关闭所有窗口
 
 

3、图像缩放

image_resize = cv2.resize(image, (h, w), method)

image：输入图像

(h，w)：缩放之后的图像大小

method：使用怎么样的方法缩放，一般是线性插值（cv2.INTER_LINEAR）和最近邻插值 （cv2.INTER_NEAREST）

import cv2
 
image_path = "C:/Users/Roger/Desktop/0.jpg"
image = cv2.imread(image_path)
 
image = cv2.resize(image, (256, 256), cv2.INTER_LINEAR)
print(image.shape)
 
cv2.imshow("image", image)
 
cv2.waitKey(0)
cv2.destroyAllWindows() # 关闭所有窗口
 
 

4、图像保存

cv2.imwrite(filename, image)

filename：保存图像的绝对路径

image：要保存的图像

示例：

import cv2
 
image_path = "C:/Users/Roger/Desktop/lena.jpg"
image = cv2.imread(image_path)
 
cv2.imwrite("C:/Users/Roger/Desktop/lena_imwrite.jpg", image)
 
cv2.imshow("image", image)  # 显示图像，第一参数为窗口的名字，第二参数为要显示的图像
cv2.waitKey(0) # 参数为等待多少毫秒秒后关闭，当参数为0时无限刷新窗口，按下任意按键则关闭窗口
cv2.destroyAllWindows() # 关闭所有窗口
 
 

5、图像格式转换

image_cvt = cv2.cvtColor(image, flags)

image：要转换的图像

flags：需要转换成的格式

（1）cv2.COLOR_BGR2RGB：BGR 格式转 RGB 格式

（2）cv2.COLOR_BGR2GRAY：BGR 格式转 灰度图 格式

（3）cv2.COLOR_BGR2HSV：BGR 格式转 HSV 颜色空间格式

（4）cv2.COLOR_BGR2HLS：BGR 格式转 HLS 颜色模式格式

由于 opencv 读取上来的格式为 BGR 格式，因此只介绍 BGR 转其他格式图像，RGB转其他图像也是类似，如 RGB 格式转 BGR 格式：cv2.COLOR_RGB2BGR。

示例：

import cv2
 
image_path = "C:/Users/Roger/Desktop/lena.jpg"
image = cv2.imread(image_path)
 
image_cvt = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
 
cv2.imshow("image", image)  # 显示图像，第一参数为窗口的名字，第二参数为要显示的图像
cv2.imshow("image_cvt", image_cvt)  # 显示图像，第一参数为窗口的名字，第二参数为要显示的图像
cv2.waitKey(0) # 参数为等待多少毫秒秒后关闭，当参数为0时无限刷新窗口，按下任意按键则关闭窗口
cv2.destroyAllWindows() # 关闭所有窗口
 
 

6、图像二值化

retVal, dst= cv2.threshold(src, thresh, maxval, method)

参数：

src：灰度图像

thresh：起始阈值

maxval：最大阈值

method：方法参数

（1）cv2.THRESH_BINARY：当前像素的值大于最小阈值 thresh 时，则该像素值变为 maxval ，其他情况下像素值为 0。

（2）cv2.THRESH_BINARY_INV：当前像素的值大于最小阈值 thresh 时，则该像素值变为 0，其他情况下像素值为 maxval。

（3）cv2.THRESH_TRUNC：当前像素值大于最小阈值 thresh 时，则该像素值变为 thresh，其他情况下像素值不变。

（4）cv2.THRESH_TOZERO：当前像素值大于最小阈值 thresh 时，则该像素值不变，其他情况下像素值变为 0。

（5）cv2.THRESH_TOZERO_INV：当前像素值大于最小阈值 thresh 时，则该像素变成 0，其他情况下像素值不变。

以下是比较特殊的 3 种方法，可与以上 5 种方法配合使用：

（1）cv2.THRESH_OTSU：使用最小二乘法处理像素点。

（2）cv2.THRESH_TRIANGLE：使用三角算法处理像素点。

（3）cv2.THRESH_MASK：掩膜操作。

配合使用示例：

retVal, dst= cv2.threshold(src, thresh, maxval, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

函数返回值：

retVal：分割的阈值。

dst：分割的图像。

函数使用示例：

import cv2
 
image_path = "C:/Users/Roger/Desktop/0.jpg"
image = cv2.imread(image_path)
 
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
 
retVal, dst = cv2.threshold(image_gray, 200, 255, cv2.THRESH_BINARY)
 
cv2.imshow("image", image)
cv2.imshow("dst", dst)
cv2.waitKey(0)
cv2.destroyAllWindows() # 关闭所有窗口
 
 

7、图像形态学操作

（1）图像膨胀

image_dilate = cv2.dilate(image, kernel, iterations)

 image：要进行膨胀操作的图像

kernel：卷积核

iterations：迭代次数

示例：

import cv2
import numpy as np
 
image_path = "C:/Users/Roger/Desktop/thresh.jpg"
image = cv2.imread(image_path)
 
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
 
kernel = np.ones((3,3), np.uint8)
image_dilate = cv2.dilate(image_gray, kernel, iterations=1)
 
 
cv2.imshow("image", image)
cv2.imshow("image_dilate", image_dilate)
cv2.waitKey(0)
cv2.destroyAllWindows() # 关闭所有窗口
 
 

作用：填充图像中的小孔洞、连接图像中的断开的区域。

（2）图像腐蚀

image_erode = cv2.erode(image, kernel, iterations)

image：要进行腐蚀操作的图像

kernel：卷积核

iterations：迭代次数

示例：

import cv2
import numpy as np
 
image_path = "C:/Users/Roger/Desktop/thresh.jpg"
image = cv2.imread(image_path)
 
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
 
kernel = np.ones((3,3), np.uint8)
image_erode = cv2.erode(image_gray, kernel, iterations=1)
 
 
cv2.imshow("image", image)
cv2.imshow("image_erode", image_erode)
cv2.waitKey(0)
cv2.destroyAllWindows() # 关闭所有窗口
 
 

作用：去除比较小的噪声、分离紧密连接的区域、 去除边界。

（3）开运算（先腐蚀后膨胀）

image_open = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel, iterations)

image：要进行开运算操作的图像

cv2.MORPH_OPEN：开运算方法

kernel：卷积核大小

iterations：迭代次数

示例：

import cv2
import numpy as np
 
image_path = "C:/Users/Roger/Desktop/thresh.jpg"
image = cv2.imread(image_path)
 
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
 
kernel = np.ones((3,3), np.uint8)
image_open = cv2.morphologyEx(image_gray, cv2.MORPH_OPEN, kernel, iterations=1)
 
cv2.imshow("image_open", image_open)
cv2.waitKey(0)
cv2.destroyAllWindows() # 关闭所有窗口
 
 

作用：去掉孤立的小点，去除噪声，断开比较细小连接的点

（4）闭运算（先膨胀再腐蚀）

image_close = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel, iterations)

image：要进行闭运算操作的图像

cv2.MORPH_CLOSE：闭运算方法

kernel：卷积核

iterations：迭代次数

示例：

import cv2
import numpy as np
 
image_path = "C:/Users/Roger/Desktop/thresh.jpg"
image = cv2.imread(image_path)
 
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
 
kernel = np.ones((3,3), np.uint8)
image_close = cv2.morphologyEx(image_gray, cv2.MORPH_CLOSE, kernel, iterations=1)
 
cv2.imshow("image_close", image_close)
cv2.imshow("image", image)
cv2.waitKey(0)
cv2.destroyAllWindows() # 关闭所有窗口
 
 

 作用：填充区域间的空洞、弥合小缝隙。

（5）梯度运算（膨胀图像 - 腐蚀图像）

image_gradient = cv2.morphologyEx(image, cv2.MORPH_GRADIENT, kernel, iterations)

image：要进行梯度运算的图像

cv2.MORPH_GRADIENT：梯度运算方法

kernel：卷积核

iterations：迭代次数

示例：

import cv2
import numpy as np
 
image_path = "C:/Users/Roger/Desktop/0.jpg"
image = cv2.imread(image_path)
 
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
 
kernel = np.ones((3,3), np.uint8)
image_gradient = cv2.morphologyEx(image_gray, cv2.MORPH_GRADIENT, kernel, iterations=1)
 
cv2.imshow("image_gradient", image_gradient)
cv2.imshow("image", image)
cv2.waitKey(0)
cv2.destroyAllWindows() # 关闭所有窗口
 
 

 作用：凸显出图像的边缘，保留图像边缘的轮廓，用于边缘检测。

（6）礼帽 / 顶帽（开运算图像 - 原图）

image_tophat = cv2.morphologyEx(image, cv2.MORPH_TOPHAT, kernel, iterations)

image：要进行礼帽运算的图像

cv2.MORPH_TOPHAT：礼帽运算方法

kernel：卷积核

iterations：迭代次数

示例：

import cv2
import numpy as np
 
image_path = "C:/Users/Roger/Desktop/0.jpg"
image = cv2.imread(image_path)
 
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
 
kernel = np.ones((3,3), np.uint8)
image_tophat = cv2.morphologyEx(image_gray, cv2.MORPH_TOPHAT, kernel, iterations=1)
 
cv2.imshow("image_tophat", image_tophat)
cv2.imshow("image", image)
cv2.waitKey(0)
cv2.destroyAllWindows() # 关闭所有窗口
 
 

作用：往往用来提取图像中比临近点亮度高的一些斑块，用于突出亮度变化。 

（7）黑帽（闭运算图像 - 原图）

image_blackhat = cv2.morphologyEx(image, cv2.MORPH_BLACKHAT, kernel, iterations)

image：要进行黑帽运算的图像

cv2.MORPH_BLACKHAT：黑帽运算方法

kernel：卷积核

iterations：迭代次数

示例：

import cv2
import numpy as np
 
image_path = "C:/Users/Roger/Desktop/0.jpg"
image = cv2.imread(image_path)
 
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
 
kernel = np.ones((3,3), np.uint8)
image_blackhat = cv2.morphologyEx(image_gray, cv2.MORPH_BLACKHAT, kernel, iterations=1)
 
cv2.imshow("image_blackhat", image_blackhat)
cv2.imshow("image", image)
cv2.waitKey(0)
cv2.destroyAllWindows() # 关闭所有窗口
 
 

 作用：往往用来提取比其他邻近区域亮度低一些的区域，用于突出暗度变化。

8、图像边缘检测

（1）Canny算子

image_canny = cv2.Canny(image, threshold1, threshold2)

image：输入图像

threshold1：像素阈值1

threshold2：像素阈值2

示例：

import cv2
import numpy as np
 
image_path = "C:/Users/Roger/Desktop/thresh.jpg"
image = cv2.imread(image_path)
 
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
 
image_canny = cv2.Canny(image_gray, 0, 255)
 
 
cv2.imshow("image", image)
cv2.imshow("image_canny", image_canny)
cv2.waitKey(0)
cv2.destroyAllWindows() # 关闭所有窗口
 
 

（2）Sobel算子

sobel_x_ / sobel_y = cv2.Sobel(src, ddepth, dx, dy, dst, ksize, scale, delta, borderType)

src：输入图像

ddepth：图像深度，如cv2.CV_16S

dx / dy：x / y 方向上的求导的阶数，0 表示这个方向上没有求导，一般填0、1、2

ksize：Sobel算子卷积核大小，一般为奇数1、3、5、7

scale：缩放系数，一般默认即可

absX / absY = cv2.convertScaleAbs(sobel_x / sobel_y)

sobel_x / sobel_y：在 x / y 方向上的导数边缘

示例：

import cv2
import numpy as np
 
image_path = "C:/Users/Roger/Desktop/thresh.jpg"
image = cv2.imread(image_path)
 
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
 
x = cv2.Sobel(image_gray, cv2.CV_16S, 0, 1)
y = cv2.Sobel(image_gray, cv2.CV_16S, 1, 0)
 
abs_x = cv2.convertScaleAbs(x)
abs_y = cv2.convertScaleAbs(y)
 
image_sobel = cv2.addWeighted(abs_x, 0.5, abs_y, 0.5, 0)  # 图像融合
 
cv2.imshow("image", image)
cv2.imshow("image_sobel", image_sobel)
cv2.waitKey(0)
cv2.destroyAllWindows() # 关闭所有窗口
 
 

9、图像融合

image_add= cv2.addWeighted(image1, alpha, image2, beta, gamma)

image1：输入图像1

alpha：图像1在融合图像中的权重

image2：输入图像2

beta：图像2在融合图像中的权重

gamma：图像增益

示例：

import cv2
import numpy as np
 
image_path1 = "C:/Users/Roger/Desktop/0.jpg"
image_path2 = "C:/Users/Roger/Desktop/lena.jpg"
image1 = cv2.imread(image_path1)
image2 = cv2.imread(image_path2)
 
image1 = cv2.resize(image1, (256, 256), cv2.INTER_LINEAR)
image2 = cv2.resize(image2, (256, 256), cv2.INTER_LINEAR)
 
 
image_add= cv2.addWeighted(image1, 0.5, image2, 0.5, 0)
 
cv2.imshow("image1", image1)
cv2.imshow("image2", image2)
cv2.imshow("image_add", image_add)
cv2.waitKey(0)
cv2.destroyAllWindows() # 关闭所有窗口
 
 

10、图像通道分割及合并

（1）通道分割

B, G, R = cv2.split(image)

image：输入图像

B：b 通道图像

G：g 通道图像

R：r 通道图像

示例：

import cv2
import numpy as np
 
image_path = "C:/Users/Roger/Desktop/lena.jpg"
image = cv2.imread(image_path)
 
b, g, r = cv2.split(image)
 
 
cv2.imshow("image", image)
cv2.imshow("r", r)
cv2.imshow("g", g)
cv2.imshow("b", b)
 
cv2.waitKey(0)
cv2.destroyAllWindows() # 关闭所有窗口
 
 

（2）通道合并

image_merge = cv2.merge([B, G, R]) # 注意 b g r 通道的位置顺序决定合并成 BGR 格式图像还是 RGB 格式图像

B：b 通道上图像

G：g 通道上图像

R：r 通道上图像

image_merge：以 BGR 通道合并之后的 BGR 格式图像

示例：

import cv2
import numpy as np
 
image_path = "C:/Users/Roger/Desktop/lena.jpg"
image = cv2.imread(image_path)
 
b, g, r = cv2.split(image)
 
image_merge = cv2.merge([b, g, r])
 
 
cv2.imshow("image", image)
cv2.imshow("r", r)
cv2.imshow("g", g)
cv2.imshow("b", b)
cv2.imshow("image_merge", image_merge)
 
cv2.waitKey(0)
cv2.destroyAllWindows() # 关闭所有窗口
 
 

11、图像轮廓检测及绘制

11.1    图像轮廓检测

contours, hierarchy = cv2.findContours(image, mode, method)

参数： 

image：输入的二值化图像

mode：不同轮廓检索模式

（1）cv2.RETR_LIST：这是一种最简单的轮廓检索方式，它不建立轮廓间的子属关系，也就是说它的所有的轮廓属于同一层级。

（2）cv2.RETR_TREE：完整建立轮廓的层级从属关系。

（3）cv2.RETR_EXTERNAL：只寻找最高层级的轮廓

（4）cv2.RETR_CCOMP：把所有轮廓分为两个层级，不是里层就是外层。

method：轮廓的估计方法

（1）cv2.CHAIN_APPROX_NONE：存储所有边界点。

（2）cv2.CHAIN_APPROX_SIMPLE：去除所有冗余点并压缩轮廓，从而节省内存。

返回值：

contours：一个包含了图像中所有轮廓的 list 列表，其中每一个轮廓以边界点坐标 (x, y) 的形式存储在 numpy 数组中。

hierarchy：一个包含四个值的数组，为 [Next, Previous, First Children, Parent]，一般不使用。

（1）Next：与当前轮廓处于同一层级的下一条轮廓。

（2）Previous：与当前轮廓处于同一层级的上一条轮廓。

（3）First Children：当前轮廓的第一条子轮廓。

（4）Parent：当前轮廓的父级轮廓。

11.2    轮廓绘制

cv2.drawContours(image, cnt, contourIdx, color, thickness)

image：需要绘制轮廓的图像

cnt：轮廓信息的数组

contourIdx：绘制哪个轮廓的索引，-1为绘制所有轮廓

color：绘制轮廓的颜色，是一个元组，如 (0, 0, 255)

thickness：绘制轮廓的线的大小

示例：

import cv2
import numpy as np
 
image_path = "C:/Users/Roger/Desktop/0.jpg"
image = cv2.imread(image_path)
image_copy = image.copy()
 
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
retVal, image_thresh = cv2.threshold(image_gray, 180, 255, cv2.THRESH_BINARY)
 
contours, hierarchy = cv2.findContours(image_thresh, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)
# pattern
for i in range(len(contours)):
    cv2.drawContours(image_copy, contours[i], -1, (0, 0, 255), 2)
 
cv2.imshow("image", image)
cv2.imshow("image_copy", image_copy)
 
 
cv2.waitKey(0)
cv2.destroyAllWindows() # 关闭所有窗口
 
 

11.3 根据阈值筛选轮廓面积

area = cv2.contoursArea(contours[i])

参数： 

contours[i]：findContours函数返回的 contours 数组中的一个轮廓

返回值：

area：循环到当前轮廓的面积

示例：

import cv2
import numpy as np
 
image_path = "C:/Users/Roger/Desktop/0.jpg"
image = cv2.imread(image_path)
image_copy = image.copy()
 
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
retVal, image_thresh = cv2.threshold(image_gray, 180, 255, cv2.THRESH_BINARY)
 
contours, hierarchy = cv2.findContours(image_thresh, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)
# pattern
for i in range(len(contours)):
    area = cv2.contourArea(contours[i])
    if area < 200:
        continue
    cv2.drawContours(image_copy, contours[i], -1, (0, 0, 255), 2)
 
cv2.imshow("image", image)
cv2.imshow("image_copy", image_copy)
 
 
cv2.waitKey(0)
cv2.destroyAllWindows() # 关闭所有窗口
 
 

11.4 绘制最小矩形框

rect = cv2.minAreaRect(contours[i])

参数：

contours[i]：findContours函数返回的 contours 数组中的一个轮廓

返回：

rect：返回 (center(x, y), (width, height), angle of rotation) 的 Box2D结构

# Box2D 结构转换成 4 个角点
points = cv2.boxPoints(rect)

参数：

rect：输入为 (center(x, y), (width, height), angle of rotation) 的 Box2D结构

返回：

points：返回的是最小矩形框的 4 个角点

示例：

import cv2
import numpy as np
 
image_path = "C:/Users/Roger/Desktop/0.jpg"
image = cv2.imread(image_path)
image_copy = image.copy()
 
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
retVal, image_thresh = cv2.threshold(image_gray, 180, 255, cv2.THRESH_BINARY)
 
contours, hierarchy = cv2.findContours(image_thresh, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)
# pattern
for i in range(len(contours)):
    area = cv2.contourArea(contours[i])
    if area < 200:
        continue
    # 找到包含轮廓的最小矩形框，返回的是(center(x, y), (width, height), angle of rotation)的 Box2D结构
    rect = cv2.minAreaRect(contours[i])
    # Box2D 结构转换成 4 个角点
    points = cv2.boxPoints(rect)
    # 角点类型转换成整型
    points = np.int0(points)
    # 绘制矩形
    cv2.drawContours(image_copy, [points], -1, (0, 0, 255), 2)
 
cv2.imshow("image", image)
cv2.imshow("image_copy", image_copy)
 
 
cv2.waitKey(0)
cv2.destroyAllWindows() # 关闭所有窗口
 
 

12、图像滤波

（1）均值滤波

image_blur = cv2.blur(image, ksize)

image：输入图像

ksize：卷积核大小，如 (3, 3)、(5, 5)

示例：

import cv2
import numpy as np
 
image_path = "C:/Users/Roger/Desktop/lena_voice.jpg"
image = cv2.imread(image_path)
 
image_blur = cv2.blur(image, (3, 3))
 
cv2.imshow("image", image)
cv2.imshow("image_blur", image_blur)
 
 
cv2.waitKey(0)
cv2.destroyAllWindows() # 关闭所有窗口
 
 

（2）中值滤波

image_median = cv2.medianBlur(image, ksize)

image：输入图像

ksize：卷积核大小，是一个整数，如 ksize 为 3，则生成 (3, 3) 大小的卷积核

示例：

import cv2
import numpy as np
 
image_path = "C:/Users/Roger/Desktop/lena_voice.jpg"
image = cv2.imread(image_path)
 
image_median = cv2.medianBlur(image, 3)
 
cv2.imshow("image", image)
cv2.imshow("image_median", image_median)
 
 
cv2.waitKey(0)
cv2.destroyAllWindows() # 关闭所有窗口
 
 

（3）双边滤波

image_bilateral = cv2.bilateralFilter(image, d, sigmaColor, sigmaSpace, borderType)

image：输入图像

d：d是在滤波时选取的空间距离参数，这里表示以当前像素点为中心点的直径。如果该值为非正数，则会自动从参数 sigmaSpace 计算得到。如果滤波空间较大（d>5），则速度较慢。因此，在实时应用中，推荐d=5。对于较大噪声的离线滤波，可以选择d=9。

sigmaColor：sigmaColor是滤波处理时选取的颜色差值范围，该值决定了周围哪些像素点能够参与到滤波中来。与当前像素点的像素值差值小于 sigmaColor 的像素点，能够参与到当前的滤波中。该值越大，就说明周围有越多的像素点可以参与到运算中。该值为0时，滤波失去意义；该值为255时，指定直径内的所有点都能够参与运算。

sigmaSpace：sigmaSpace是坐标空间中的sigma值。它的值越大，说明有越多的点能够参与到滤波计算中来。当d>0时，无论sigmaSpace的值如何，d都指定邻域大小；否则，d与 sigmaSpace的值成比例。

borderType：borderType是边界样式，该值决定了以何种方式处理边界。一般情况下，不需要考虑该值，直接采用默认值即可。

示例：

import cv2
import numpy as np
 
image_path = "C:/Users/Roger/Desktop/lena_voice.jpg"
image = cv2.imread(image_path)
 
image_bilateral = cv2.bilateralFilter(image, 9, 150, 150)
 
cv2.imshow("image", image)
cv2.imshow("image_bilateral", image_bilateral)
 
 
cv2.waitKey(0)
cv2.destroyAllWindows() # 关闭所有窗口
 
 

（4）高斯滤波

image_gaussian = cv2.GaussianBlur(image, ksize, sigmaX, sigmaY, borderType)

 image：输入图像

ksize：卷积核大小，如（3，3）、（5，5）

sigmaX：X 方向上的标准偏差

sigmaY：Y 方向上的标准偏差

borderType：边界样式，一般不用管，默认即可

示例：

import cv2
import numpy as np
 
image_path = "C:/Users/Roger/Desktop/lena_voice.jpg"
image = cv2.imread(image_path)
 
image_gaussian = cv2.GaussianBlur(image, (5, 5), 0, 0)
 
cv2.imshow("image", image)
cv2.imshow("image_gaussian", image_gaussian)
 
 
cv2.waitKey(0)
cv2.destroyAllWindows() # 关闭所有窗口
 
 

13、几何图像绘制

（1）直线

cv2.line(image, p1, p2, color, thickness, lineType, shift)

image：要绘制的输入图像

p1：直线坐标1，如 (100, 100)

p2：直线坐标2，如 (400, 100)

color：直线颜色，是以BGR来设定的，如 (255, 0, 0) 则为蓝色

thickness：直线宽度

lineType：直线类型，一般为默认的 cv2.LINE_8，其他有：cv2.LINE_4、cv2.LINE_AA

shift：坐标小数点位数，一般默认

示例：

import cv2
import numpy as np
 
 
image = np.zeros((500, 500, 3), dtype=np.uint8)
 
cv2.line(image, (100, 100), (400, 100), (255, 0, 0), 2, cv2.LINE_4)
cv2.line(image, (100, 200), (400, 200), (0, 255, 0), 2, cv2.LINE_8)
cv2.line(image, (100, 300), (400, 300), (0, 0, 255), 2, cv2.LINE_AA)
 
cv2.imshow("image", image)
cv2.waitKey(0)

（2）圆形

cv2.circle(image, center, radius, color, thickness, lineType, shift)

image：要绘制的输入图像

center：圆心坐标，如 (100, 100)

radius：半径大小， 如 50

color：直线颜色，是以BGR来设定的，如 (255, 0, 0) 则为蓝色

thickness：直线宽度，-1 表示内部填充

lineType：直线类型，一般为默认的 cv2.LINE_8，其他有：cv2.LINE_4、cv2.LINE_AA

shift：坐标小数点位数，一般为默认

示例：

import cv2
import numpy as np
 
 
image = np.zeros((400, 500, 3), dtype=np.uint8)
 
cv2.circle(image, (100, 100), 70, (255, 0, 0), 2, cv2.LINE_4)
cv2.circle(image, (250, 200), 70, (0, 255, 0), 2, cv2.LINE_8)
cv2.circle(image, (400, 300), 70, (0, 0, 255), -1, cv2.LINE_AA)
 
cv2.imshow("image", image)
cv2.waitKey(0)

（3）矩形框

cv2.rectangle(image, pt1, pt2, color, thickness, lineType)

image：要绘制的输入图像

pt1：要绘制矩形的左上角坐标，如 (100, 100)

pt2：要绘制矩形的左上角坐标，如 (200, 200)

color：直线颜色，是以BGR来设定的，如 (255, 0, 0) 则为蓝色

thickness：直线宽度，-1 表示内部填充

lineType：直线类型，一般为默认的 cv2.LINE_8，其他有：cv2.LINE_4、cv2.LINE_AA

示例：

import cv2
import numpy as np
 
image = np.zeros((400, 500, 3), dtype=np.uint8)
 
cv2.rectangle(image, (50, 150), (150, 250), (255, 0, 0), 2, cv2.LINE_4)
cv2.rectangle(image, (200, 150), (300, 250), (0, 255, 0), 2, cv2.LINE_8)
cv2.rectangle(image, (350, 150), (450, 250), (0, 0, 255), -1, cv2.LINE_AA)
 
cv2.imshow("image", image)
cv2.waitKey(0)

 

（4）多边形

cv2.polylines(image, pts, isClosed, color, thickness, lineType, shift)

image：要绘制的输入图像

pts：int32类型的坐标数组

color：多边形颜色，是以BGR来设定的，如 (255, 0, 0) 则为蓝色

thickness：直线宽度，不能直接内部填充

lineType：直线类型，一般为默认的 cv2.LINE_8，其他有：cv2.LINE_4、cv2.LINE_AA

shift：坐标小数点位数，一般为默认

示例：

import cv2
import numpy as np
import random
 
image = np.zeros((400, 500, 3), dtype=np.uint8)
 
points = []
for i in range(10):
    pt1 = random.randint(50, 400)
    pt2 = random.randint(50, 400)
    points.append([pt1, pt2])
 
points = [np.array(points, dtype=np.int32)]
print(points)
cv2.polylines(image, points, isClosed=True, color=(0, 255, 0), thickness=2, lineType=cv2.LINE_4, shift=None)
 
cv2.imshow("image", image)
cv2.waitKey(0)

 

 （5）填充多边形（fillConvexPoly）

cv2.fillConvexPoly(image, points, color, lineType, shift)

image：要绘制的输入图像

pts：int32类型的多边形顶点坐标

color：多边形颜色，是以BGR来设定的，如 (255, 0, 0) 则为蓝色

lineType：直线类型，一般为默认的 cv2.LINE_8，其他有：cv2.LINE_4、cv2.LINE_AA

shift：坐标小数点位数，一般为默认

示例：

import cv2
import numpy as np
import random
 
image = np.zeros((400, 500, 3), dtype=np.uint8)
 
points = []
for i in range(10):
    pt1 = random.randint(50, 400)
    pt2 = random.randint(50, 400)
    points.append([pt1, pt2])
 
points = np.array(points, dtype=np.int32)
print(points)
 
cv2.fillConvexPoly(image, points, color=(0, 255, 0), lineType=cv2.LINE_4, shift=None)
 
cv2.imshow("image", image)
cv2.waitKey(0)

 

 （5）填充多边形（fillPoly）

cv2.fillConvexPoly(image, points, color, lineType, shift)

image：要绘制的输入图像

pts：int32类型的多边形顶点坐标，且可以是多个多边形图像顶点坐标

color：多边形颜色，是以BGR来设定的，如 (255, 0, 0) 则为蓝色

lineType：直线类型，一般为默认的 cv2.LINE_8，其他有：cv2.LINE_4、cv2.LINE_AA

shift：坐标小数点位数，一般为默认

示例：

import cv2
import numpy as np
import random
 
image = np.zeros((400, 500, 3), dtype=np.uint8)
 
points = []
for i in range(10):
    pt1 = random.randint(150, 200)
    pt2 = random.randint(150, 200)
    points.append([pt1, pt2])
 
points2 = []
for i in range(10):
    pt1 = random.randint(200, 300)
    pt2 = random.randint(200, 300)
    points2.append([pt1, pt2])
 
points = [np.array(points, dtype=np.int32), np.array(points2, dtype=np.int32)]
points2 = []
print(points)
 
cv2.fillPoly(image, points, color=(0, 255, 0), lineType=cv2.LINE_4, shift=None)
 
cv2.imshow("image", image)
cv2.waitKey(0)